研究人员称，GPT-6 Astra 编辑了一个小型 Qwen 模型的权重，在不训练的情况下提升了数学能力

X 账号 rikiyatakehi 发帖称，作者让 GPT-6 Astra 编辑 Qwen3.5-0.8B 的权重，以提升其数学能力。他们表示，模型直接改动的权重仅占 0.016%，修复了小模型的推理循环，使数学能力最高提升 6 倍、指令遵循能力提升 3 倍，且没有使用梯度或进行训练。他们将这种方法称为 Weight-Space Programming。

来自 MIT CSAIL 的作者在 11 月 2 日发布的博客文章中介绍了这一方法。他们报告称，MATH-500 得分从 7.9% 升至 48.1%，IFEval 得分则提升了三倍。在规模较小的实验中，他们称，Astra 根据一个小型神经网络的原始权重说出了该网络受训的游戏名称；通过编辑 3.5% 的权重，修复了一个失效的汽车控制策略；还从零开始编写了小型游戏网络，其表现优于经过 1 亿步训练的 PPO 网络。

这些结果是作者自己的说法，尚未经过独立核实。截至 11 月 2 日，该帖在 X 上约有 9,600 个赞和 419 条回复。